由于神经机器翻译模型简单、通用和有效,神经机器翻译模型已成为目前最受关注的机器翻译模型。在神经机器翻译模型中,通过引入词汇翻译表和短语翻译表可以提高翻译质量。然而,对于已经存在的人工整理的翻译模板或者启发式算法生成的翻译模板,目前已有的神经机器翻译框架不存在有效的方法对这些翻译模板进行建模。本文研究的主要内容是将翻译模板内嵌到端到端的神经机器翻译模型中。为此,我们提出了模板驱动的神经机器翻译模型,该模型通过使用额外的模板编码器对翻译模板进行端到端建模,通过使用知识门阀和注意力门阀动态的控制解码过程中不同来源的知识对当前解码词汇的贡献度的大小。知识门阀的主要作用是对源语言句子和翻译模板的信息进行有效的表示,从而更好的对解码器进行初始化。注意力门阀是一个基于时序的门阀,可以动态的控制当前翻译词汇接收源语言句子或者翻译模板信息的多少。最终实验结果表明,本文提出的方法对模板进行了有效的建模,20%词汇标准模板在汉英和英汉翻译任务上的翻译正确率分别高达93.6%和95.1%。与基线翻译系统相比,在汉英和英汉翻译任务上使用含有20%词汇的标准模板时,翻译性能可以增长4.2~7.2个BLEU值。当翻译模板中的真实词汇增加时,翻译质量得到进一步提升。